IMPLEMENTASI METODE LATENT CLASS CLUSTER ANALYSIS DALAM PENGELOMPOKAN WILAYAH BERDASARKAN INDIKATOR INDEKS PEMBANGUNAN MANUSIA

Abstract

Analisis multivariat merupakan analisis yang digunakan untuk memahami struktur data yang melibatkan lebih dari dua variabel pada setiap objek. Salah satu analisis pada analisis multivariat ialah analisis cluster yang bertujuan untuk mengelompokkan objek-objek berdasarkan karakteristik yang dimiliki. Setiap kelompok berisi objek-objek yang mirip satu sama lain. Pada analisis cluster terdapat metode Latent Class Cluster Analysis yang mengasumsikan objek masuk ke dalam salah satu cluster dengan jumlah dan ukuran cluster yang tidak diketahui sebelumnya. Pada penelitian ini metode Latent Class Cluster Analysis digunakan untuk mengelompokkan kabupaten/kota di Provinsi Kalimantan Barat. Indikator Indeks Pembangunan Manusia pada tahun 2019 yang digunakan yakni Angka Harapan Hidup saat Lahir, Angka Kesakitan, Harapan Lama Sekolah Rata-rata Lama Sekolah, Pengeluaran per Kapita dan Jumlah Penduduk Miskin. Metode ini menggunakan pendekatan berbasis model yang didasarkan pada konsep probabilitas dengan Algoritma Expectation Maximization sebagai tahapan estimasi parameter. Pemilihan model cluster berdasarkan kriteria nilai Bayesian Information Criterion terkecil kemudian pengelompokan anggota cluster menggunakan peluang posterior. Dari hasil analisis diperoleh model dengan 2 cluster. Cluster 1 terdiri dari 12 kabupaten/kota dan cluster 2 terdiri dari 2 kabupaten/kota. Berdasarkan pengelompokan kedua cluster yang diperoleh dapat dikategorikan sebagai “IPM Tinggi” untuk cluster 1 dan ”IPM Rendah” untuk cluster 1. Berdasarkan hasil tersebut maka bentuk kebijakan-kebijakan dari pemerintah dapat lebih diperhatikan dan prioritaskan pada perkembangan indikator IPM kabupaten/kota yang terdapat pada cluster 1. 

Kata Kunci: Indeks pembangunan manusia, latent class cluster analysis, peluang posterior